基于bp神经网络的雷达故障诊断

《基于bp神经网络的雷达故障诊断》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于BP神经网络的雷达故障诊断1、问题描述:大规模、超大规模的集成屯路越来越多的被运用到现代雷达技术之中，雷达各项技术指标和自动化程度也越来越高。雷达故障如果得不到及时迅速的排查与修复，后果不堪设想。由于雷达系统庞大复朵，一个简单的单独故障就可以导致整个系统失灵。系统故障表现为系统失灵，即妨碍系统完成或保持其应有的性能和功能。系统运行时，故障以差错和失效的形式衣现出来，理想的故障方法是在尚未运行吋,就将故障诊断出來。2、神经网络设计:系统采用3层神经网络，建立基于神经网络的雷达故障诊断系统。神经网络输入向量的确定实际上就是特征量的提取。对于雷达接收机，通过对该印制板的各

2、种故障现彖、故障类型进行分析，选择7个关键点的电压作为神经网络的输入，网络的输入是一个7维的向量。选择9种故障现象作为神经网络的输出模式，因此实际的神经网络输入神经元数为7,输岀神经元数为9,隐含层的单元数为10,系统总误差EvO.Ol,网络训练26235次。表1故障特征值故障样本故障特征值VIV2V3V4V5V6V7T1集电极开路14.804.3212.488.5910.3211.7214.16T1基极开路12.1112.1011.357.1110.6311.7314.30T1集电极和射极开路14.8012.1012.547.6910.6111.7114.11R1开路

3、14.2812.1012.547.6910.6111.7114.11R2开路14.8012.1012.547.6910.6111.7114.11R3开路14.8112.1012.578.6310.5612.608.76C1开路16.2812.5312.5210.029.8310.4214.44C2开路12.168.9110.328.5610.629.3212.56C3开路16.108.9110.868.5910.619.4312.31将数据归一化处理，算法是pn=2*(p-minp)/(maxp-minp)-l其中：p为网络输入矩阵，pn为归一化后的网络输入矩minp为

4、输入向量的最小值，maxp为输入向量的最大值。故输入矢量个数为7,范围是・1〜1.归一•化后的数据为:表2神经网络输出结果0.752508・10.364548-0.285950.0033440.2374580.6454850.3026760.3010030.175585-0.533440.0551840.239130.6688960.7525080.3010030.374582-0.436450.0518390.2357860.6371240.6655520.3010030.374582-0.436450.0518390.2357860.6371240.7525080.

5、3010030.374582-0.436450.0518390.2357860.6371240.7541810.3010030.379599-0.279260.0434780.384615-0.2575310.372910.371237-0.04682-0.07860.0200670.6923080.311037-0.232440.003344-0.290970.053512-0.163880.3779260.9699-0.232440.093645-0.285950.051839-0.145480.33612实际故障样本为网络的原始训练样本，网络输入层、隐含层和输岀层

6、节点数分别取7、10、9o测试数据：表3测试数据10.372910.371237-0.04682-0.07860.0200670.6923080.311037-0.232440.003344-0.290970.053512-0.163880.3779260.9699-0.232440.093645-0.285950.051839・0.145480.336123、MATLAB程序清单:P二[0.752508-10.364548-0.285950.0033440.2374580.645485;0.3026760.3010030.175585-0.533440.0551840

7、.239130.668896;0.7525080.3010030.3745820.6655520.3010030.3745820.7525080.3010030.3745820.7541810.3010030.379599-0.436450.0518390.235786-0.436450.0518390.235786-0.436450.0518390.235786-0.279260.0434780.3846150.637124;0.637124;0.637124;-0.25753;10.372910.371237-0.04682-0.07